[发明专利]一种基于多频带时空卷积网络的抑郁脑电分类系统

说明书

本发明提供了一种基于多频带时空卷积网络的抑郁脑电分类系统，包括数据预处理模块，被配置为对获取的被测试者静息状态下额叶三电极的原始脑电时间序列信号进行噪声过滤处理；数据分割模块，被配置为对预处理后的信号进行切割，形成多个设定长度的待测脑电片段，进行归一化处理；数据识别模块，被配置为利用训练后的多频带时空卷积网络模型，对待测脑电片段进行时间维度和空间维度的特征提取与整合，进行类别分类，实现抑郁识别。本发明根据易获取脑电信号，可以实现对正常人和抑郁症患者的脑电信号的有效辨识并进行正确分类，消除在使用量表进行诊断时医生和患者的主观影响，使得诊断结果更具客观性。

技术领域

本发明属于脑电信息分类技术领域，具体涉及一种基于多频带时空卷积网络的抑郁脑电分类系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

作为一种精神和心理方面的病症，抑郁症有着高发病率、高致残性的特点，影响了很多人的健康生活。目前抑郁症的诊断方式主要有量表调查、医师问询等，这些方法往往取决于医生的经验，主观性较大。此外，抑郁个体可能因耻辱感而不愿意寻求帮助，因此有大量的抑郁症患者得不到最佳的治疗。研究方便、高效的诊断方法对促进抑郁症的检测具有重大的意义。

抑郁症是一种精神障碍，临床表现为明显抑郁和思维缓慢，且总是伴随着异常的大脑活动和明显的情感交替。神经科学的研究表明，大部分心理状态和认知行为可由脑电信号(EEG)来反映。EEG与大脑活动和心理状态有着密切的关系，它能够随时反映情感的转变。脑电信号作为一种以非侵入方式获取的生理信号，已经被广泛应用于各种神经系统疾病的研究和诊断。因此，可以通过脑电图来追踪大脑功能和异常的脑电活动。以往人们对抑郁脑电信号使用特征提取结合机器学习相关算法进行检测，这种方法需要大量先验知识寻找脑电信号的相关特征，而且最重要的特征不一定能被找到，这些因素的存在使得分类过程复杂化。

发明内容

本发明为了解决上述问题，提出一种基于多频带时空卷积网络的抑郁脑电分类系统，可以实现正常人和抑郁症患者脑电信号的有效辨识并正确分类，消除在使用量表进行诊断时医生和患者的主观影响，使得诊断结果更具客观性。

根据一些实施例，本发明采用如下技术方案：

一种基于多频带时空卷积网络的抑郁脑电分类系统，包括：

数据预处理模块，被配置为对获取的被测试者静息状态下额叶三电极的原始脑电时间序列信号进行噪声过滤处理；

数据分割模块，被配置为对预处理后的信号进行切割，形成多个设定长度的待测脑电片段，进行归一化处理；

数据识别模块，被配置为利用训练后的多频带时空卷积网络模型，对待测脑电片段进行时间维度和空间维度的特征提取与整合，进行类别分类，实现抑郁识别。

作为可选择的实施方式，还包括脑电采集设备，用于获取被测试者在静息状态下额叶三电极的原始脑电时间序列信号。

作为可选择的实施方式，所述数据预处理模块，被配置为对获取信号进行噪声过滤处理，用小波变换去除眼动伪迹，提取0.5-50Hz脑电信号，通过50Hz陷波器去除工频干扰。

作为可选择的实施方式，所述数据分割模块，被配置为使用预定宽度的滑动窗口对脑电数据进行不重叠分割。

作为可选择的实施方式，所述数据分割模块，被配置为使用零分数归一化方法进行归一化，使处理后的数据符合标准正态分布。

作为可选择的实施方式，所述多频带时空卷积网络模型包括依次设置的滤波层、时间深度卷积模块、空间深度卷积模块、平均池化层、特征连接层、全连接层和输出层。